ユーザー間の取引がサービスの大きな要であるメルカリ。当然、不正取引は悩みの種だ。 そのメルカリは2019年5月、増田直紀上級講師（英ブリストル大学）、小舘俊（東北大学）と共同で、機械学習と「ネットワーク解析」と呼ばれるデータ解析方法を用いて不正取引を検出する研究成果をネットワーク科学の主要な国際会議である「NetSci 2019」で発表した。 ネットワーク科学とは ユーザとユーザの取引関係はネットワークとして表すことができます。同様に、他の人間関係、経済現象、インターネット、交通網、生態系、遺伝子と遺伝子の関係など、様々な現象やデータはネットワークという共通言語で表すことができます。ネットワーク科学は、「つながりの科学」であり、ネットワークとして表されるデータから有用な情報を引き出したり、社会や科学などにその知見を応用することを目指す研究分野です。 「ネットワーク解析」を用いて不正取引を検
ルールではなく補助線 ─ユーザー数2,000万人超のサービスにおける、Design Systemを立ち上げた話｜Mercari Design Blog
ルールではなく補助線 ─ユーザー数2,000万人超のサービスにおける、Design Systemを立ち上げた話 こんにちは、メルカリDesign Systemの立ち上げと運用を担当したデザイナーのtottieです。 この記事では、メルカリの抱えていたデザイン上の課題をDesign Systemの導入で改善したお話をご紹介いたします。 なぜDesign Systemを導入したの？Design Systemを導入した理由は、大きく分けて２つあります。 １つめは、開発における課題です。 導入を決定した当時（2018年）、メルカリはスタートアップから急成長したサービスだったため、開発チームは様々な課題を抱えていました。 サービスを改修したくても、複雑に絡み合ったコードのためアップデートが難しい状況になってきた。 急激なチームメンバーの増加にあたり、分担して作業するための土台の整備が間に合わなくなっ
こんにちは。メルペイ バックエンドソフトウェアエンジニアの id:koemu です。 今日は、外部APIと連携する機能のデータの持ち方について、振込申請のシステムを事例に取り上げていきます。 基本データ・拡張データに分ける 定義 まず、データを、「基本データ」「拡張データ」に分けます。 ここで、「基本データ」とは、提供する機能において最低限必要となる情報です。振込申請ですと以下のデータとなります。 名義 口座番号 申請日 申請受理日 振込完了日 ステータス(受付完了/送金完了/送金失敗/その他) 一方、「拡張データ」とは、基本データでは網羅していない、外部APIが必要としているデータを指します。例えば、連携用のレコード別のIDや、ステータスの遷移などです。振込申請ですと次のデータになります。 ステータス(プロセッシング事業者が持つより詳細なステータス) IDのマップ(基本データと拡張データ
岸田ノート、メルカリに出品相次ぐ 派閥パーティーのお土産 2022年05月19日22時50分 自民党岸田派の政治資金パーティーでお土産に配布された「岸田ノート」。裏表紙に「岸田文雄」と首相のサインがプリントされている＝１９日午後、東京・永田町 自民党岸田派が１８日に開いた政治資金パーティーのお土産のノートが話題だ。岸田文雄首相が「聞く力」の象徴としてアピールした「岸田ノート」と同型で、３０００冊を用意して参加者に配布したところ、フリーマーケットアプリのメルカリに出品が相次ぐ事態となっている。 岸田ノート、内容は非公開 首相【２１衆院選】 ノートはＡ６判の紺色。裏表紙には「岸田文雄」と首相のサインがプリントされている。メルカリでは１万円弱の売買事例があったほか、１９日夜には２万円の値が付いたものもあった。 首相は１９日、派閥幹部からノートの出品が相次いでいると報告を受け、「ありがたい」と満足
GitHub - mercari/production-readiness-checklist: Production readiness checklist used for Mercari and Merpay microservices
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Serverlessを取り巻く現状とAll Serverlessでプロダクトを構築する苦労
CloudNative Days Tokyo 2020
Merpay Advent Calendar 2020 の15日目は、メルペイスマート払いの開発を担当しているCredit Designチーム/Backend Engineer の 柴田 がお届けします。 はじめに 私が1984年に社会人になった頃は、ソフトウェア開発を行うためには会社に行くしかありませんでした。当時は、共用のVAXマシンで4.2/4.3 BSD Unixを使って開発していました。その後は、コンピュータハードウェアの発達に伴い、開発者ごとにワークステーションを用いて開発するようになり、デスクトップPCを用いた開発、そして今日のMacBook ProといったノートPCによる開発と時代が変わってきています。 2000年代には、安価で高性能なコンピュータの恩恵により、テスト駆動開発が徐々に広まってきました。そして、継続的インテグレーション（Continuous Integrati
Cloud SpannerとCloud Pub/Subとで実装するTransactional outboxパターン | メルカリエンジニアリング
Credit Designチームでバックエンドエンジニアをしている@iwataです。主にメルペイスマート払い関連の開発をしています。 Merpay Advent Calendar 2021 の21日目の記事をお届けします。 メルペイスマート払いの開発においてもご多分に漏れず、マイクロサービスアーキテクチャを採用しています。マイクロサービス開発において避けては通れない問題として、分散トランザクションによるデータ整合性の担保があります。メルペイスマート払いマイクロサービスでは一部APIにおいて整合性担保のために、Transactional outboxパターンを用いた実装をしています。 本記事ではテーブル設計を含めたその実装の詳細を紹介したいと思います。 tl;dr Transactional outboxパターンを使ったSpanner, Pub/Sub間での整合性担保 Spannerならでは
こんにちは。Merpay Advent Calendar 2019 の24日目は、メルペイ Machine Learning チームの @yuhi が機械学習における解釈性についてお送りします。 目次 機械学習における解釈性とは なぜ解釈性が必要なのか 1. サービスを提供する事業者としての説明責任 2. 推論結果に対する社内外の関係者の理解 3. モデルのデバッグ、精度改善 どのようなアプローチがあるのか SHAPについて サマリ 基本的なアイディア 問題設定 説明可能モデルに対して満たしてほしい性質 説明可能モデルを求める SHAPの実装について 最後に References 機械学習における解釈性とは 深層学習をはじめとする機械学習分野の発展に伴って、これまでにないユニークなサービスが開発され、また多くの業界において業務が効率化、高度化されつつあります。メルペイでも機械学習を用いて、
メルペイのQRコードスキャン機能（QRScanner）を、OSSにしました | メルカリエンジニアリング
Merpay Advent Calendar 2019 の12日目は、 Merpay iOS チームの @hitsu がお送りします。 目次 QRScannerとは OSS開発の背景 QRScannerの特徴 使い方 基本な使い方 カメラのアクセスを許可 QRScannerの導入方法 CocoaPodsを使う場合 Carthageを使う場合 カスタマイズ ソースコードでカスタマイズ Interface Builderでカスタマイズ フラッシュボタンを使いたい場合 内部実装 主要な実行フロー アニメエフェクトの実装 終わりに QRScannerとは 数行のソースコードでiOS13と同じようなQRコードスキャン機能を実装できるフレームワークです。 GitHub – mercari/QRScanner: A simple QR Code scanner framework for iOS. Pr
こんにちは。ソウゾウで Software Engineer をしている @sottar です。連載：メルカリShops 開発の裏側 Vol.2の 5 日目を担当させていただきます。 この記事ではメルカリShops における、開発をサポートするための Automation 化について紹介します。 メルカリShops での開発手法 先日のプロダクト組織に関する記事でも言及がありましたが、ソウゾウでは全員ソフトウェアエンジニアを標榜しており、これまで経験がない分野でも積極的にコードを書いていく文化があります。 組織の人数も当初に比べ増えてきており、より様々なバックグラウンドを持ったエンジニアが参画しています。 エンジニアが自らの経験が少ない分野のコードを書くと、その言語ならではの書き方がわかっていなかったり、意図していない変更が起きてしまったりすることが起こりやすくなります。基本的にはコードレビ
商品通報対応をgRPCとGraphQLとReactでリプレースしてみた | メルカリエンジニアリング
こんにちは。Mercari Advent Calendar 2019 14日目は、CSTool Domainチームの @Peranikov がお送りします。 メルカリではお客さまに安心して取引を楽しんでいただくため「あんしん・あんぜん宣言」に取り組んでおり、プロダクトの開発と同じレベルの課題感でカスタマーサービスの質の向上にも力をいれています。私の所属するCS(Customer Service) Tool Domainチームでは、カスタマーサービスのメンバーがお客さまからのお問い合わせ対応に使用するシステムの開発・運用を担っています。 商品通報対応とは メルカリでは利用規約に反するような出品がされた場合、お客さまや権利者さまからの通報・ルールベースやMachine Learningによる監視などで違反出品を検知し、カスタマーサービスチームが確認・対応するという業務を行っています。 ただ、サ
メルカリは4月28日に発表した2022年6月期第3四半期決算の決算資料で、アプリにおけるクレジットカードの不正利用とフィッシング詐欺の増加により、流通取引総額（GMV）の成長が鈍化した上、ユーザーへの補填金として第3四半期のみで合計16億円の出費があったと明らかにした。 メルカリの22年6月期第3四半期連結決算（21年7月～22年3月）は、売上高が1097億100万円で前年同期比42.7％の大幅成長を遂げ、営業損益も46億8600万円の赤字（前年同期は202億9200万円の赤字）と改善した。 一方、クレジットカードの不正利用は21年末から増加。不正防止のためユーザーへの利用制限を実施したところ、GMVが推定値を数％下回り、ユーザーへの補填金も10億円に上った。メルペイでもフィッシング詐欺の影響でユーザーへの補填金6億円を支払ったという。 メルカリは不正への対策として、電話番号やメールを使っ
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
メルカリ 不正取引ユーザーを機械学習、ネットワーク解析で検出 | Ledge.ai
外部APIと連携する機能のデータの持ち方のイチ事例 | メルカリエンジニアリング
岸田ノート、メルカリに出品相次ぐ 派閥パーティーのお土産：時事ドットコム
長時間ランニングテストの勧め 〜開発用ノートPCの活用〜 | メルカリエンジニアリング
機械学習における解釈性について | メルカリエンジニアリング
メルカリ Shops の開発を支える Automation 化 | メルカリエンジニアリング
メルカリ、不正増加で16億円の追加出費 クレカ不正利用とフィッシング詐欺で成長も鈍化